Em ciências sociais, quando se verifica a correlação entre duas variáveis, há relação de causalidade.
- C Certo
- E Errado
20 questões de provas reais da Cebraspe sobre Correlação e Regressão, com gabarito. Responda antes de abrir o gabarito.
284 questões desse assunto no acervo do Yatta. Esta página mostra uma amostra fixa.
Em ciências sociais, quando se verifica a correlação entre duas variáveis, há relação de causalidade.
A quantidade demandada por certo produto no instante t é representada por Xt, em que t ∈ Z = { ..., -2, -1, 0, 1, 2, ... }, e Xt segue um processo na forma Xt = 10 + 0,5 Xt-1 + at - 2 at-1, na qual at e at-1 representam ruídos aleatórios com média nula e variância unitária. A respeito dessa situação, julgue os itens subsequentes.
O processo em tela segue um modelo ARMA(1, 1), e a série temporal { Xt : t ∈ Z } é estacionária.
A quantidade demandada por certo produto no instante t é representada por Xt, em que t ∈ Z = { ..., -2, -1, 0, 1, 2, ... }, e Xt segue um processo na forma Xt = 10 + 0,5 Xt-1 + at - 2 at-1, na qual at e at-1 representam ruídos aleatórios com média nula e variância unitária. A respeito dessa situação, julgue os itens subsequentes.
A autocorrelação entre Xt e Xt-1 é nula.
Ao avaliar o efeito das variações de uma grandeza X sobre outra grandeza Y por meio de uma regressão linear da forma , um analista, usando o método dos mínimos quadrados, encontrou, a partir de 20 amostras, os seguintes somatórios (calculados sobre os vinte valores de cada variável): 3 X = 300; 3 Y = 400; 3 X 2 = 6.000; 3 Y 2 = 12.800 e 3 ( XY ) = 8.400 A partir desses resultados, julgue os itens a seguir.
Se, nesse modelo, a soma dos quadrados dos resíduos for SQR = 960, então o coeficiente de determinação dessa regressão será R 2 = 0,8.
Julgue os itens que se seguem, relativos a análise multivariada.
Em uma análise de componente principal (PCA), o primeiro componente principal será aquele determinado pelo autovetor do maior autovalor entre aqueles da matriz de variâncias e covariâncias do conjunto em análise.
A série temporal modelada por y t = 0,6y t ! 1 + 1,2t + e t é uma série autorregressiva AR(1) com tendência.
A série temporal {x t ; t = 0, 1, 2, ...} expressa por x t = x t ! 1 + e t , em que e t é um termo de variação com média zero e variância constante, é denominada ruído branco.
Mediante a aplicação do critério de mínimos quadrados ordinários, um analista deseja ajustar um modelo de regressão linear simples na forma y = a + bx + ε, com variância V, em que y representa a variável dependente, x é a variável regressora e ε denota um erro aleatório que segue distribuição normal com média zero. A partir de uma amostra aleatória simples de tamanho n = 46, o analista obteve as estatísticas descritivas mostradas na tabela a seguir. variável média amostral desvio padrão amostral y 10 5 x 20 4 A partir dessas informações, e sabendo que a correlação linear de Pearson entre as variáveis y e x é igual a 0,5,
50% da variação total de y é explicada por meio do modelo de regressão linear simples em questão.
Mediante a aplicação do critério de mínimos quadrados ordinários, um analista deseja ajustar um modelo de regressão linear simples na forma y = a + bx + ε, com variância V, em que y representa a variável dependente, x é a variável regressora e ε denota um erro aleatório que segue distribuição normal com média zero. A partir de uma amostra aleatória simples de tamanho n = 46, o analista obteve as estatísticas descritivas mostradas na tabela a seguir. variável média amostral desvio padrão amostral y 10 5 x 20 4 A partir dessas informações, e sabendo que a correlação linear de Pearson entre as variáveis y e x é igual a 0,5,
A estimativa do coeficiente b é igual ou superior a 0,6.
Em um modelo de regressão linear simples representado pela equação y_j = β_0 + β_1 x_j + ε_j, j é um índice que varia de 1 a 81; β_0 e β_1 são os coeficientes do modelo; y_j representa a variável resposta; x_j denota a variável regressora; ε_j é o erro aleatório com média zero e variância σ^2; e ε_1, ..., ε_81 formam um conjunto de erros independentes e identicamente distribuídos. No modelo ajustado pelo método de mínimos quadrados ordinários representado por ŷ_j = β̂_0 + β̂_1 x_j, tem-se: β̂_1 > 0 , ∑ (ŷ_j − y̅)^2 = 720 , ∑ (y_j − ŷ_j)^2 = 1.000 , ∑ (x_j − x̅)^2 = 80, em que y̅ = 20 e x̅ = 10.
O coeficiente de determinação do modelo (R^2) é igual ou superior a 0,9.
Em um modelo de regressão linear simples representado pela equação y_j = β_0 + β_1 x_j + ε_j, j é um índice que varia de 1 a 81; β_0 e β_1 são os coeficientes do modelo; y_j representa a variável resposta; x_j denota a variável regressora; ε_j é o erro aleatório com média zero e variância σ^2; e ε_1, ..., ε_81 formam um conjunto de erros independentes e identicamente distribuídos. No modelo ajustado pelo método de mínimos quadrados ordinários representado por ŷ_j = β̂_0 + β̂_1 x_j, tem-se: β̂_1 > 0 , ∑ (ŷ_j − y̅)^2 = 720 , ∑ (y_j − ŷ_j)^2 = 1.000 , ∑ (x_j − x̅)^2 = 80, em que y̅ = 20 e x̅ = 10.
A correlação linear de Pearson entre a variável resposta e a regressora é igual ou superior a 0,8.
Havendo heterocedasticidade, os estimadores de mínimos quadrados ordinários serão ineficientes.
Na presença de multicolinearidade perfeita, os estimadores de mínimos quadrados ordinários não são únicos.
Mesmo na presença de heterocedasticidade, os estimadores das variáveis dependentes são não viesados e consistentes.
Mesmo na presença de multicolinearidade imperfeita, os estimadores de mínimos quadrados ordinários são os melhores estimadores lineares não viesados (BLUE – best linear unbiased estimator).
Quando se adicionam variáveis explicativas ao modelo, espera-se redução da estatística R2.
Na presença de heterocedasticidade, os valores da estatística t são maiores que o esperado.
No modelo de regressão de efeitos fixos, uma variável binária (dummy) deve ser excluída das entidades quando o intercepto estiver presente na equação, porque uma das entidades é sempre excluída por construção do modelo de estimação.
A abordagem de efeitos aleatórios (random effects) é geralmente mais eficiente que o método do OLS agrupado, o que justifica a preferência àquela em relação a este.
A diferença entre um painel não balanceado e um painel balanceado consiste no fato de que o impacto dos diferentes regressores é aproximadamente o mesmo para painéis balanceados, mas não para painéis não balanceados.
Ver todos os concursos abertos
Resolva primeiro, confira depois, e anote o motivo de cada erro: a banca repete o mesmo tipo de pegadinha. No Yatta, as 284 questões desse assunto entram na sua sessão de estudo quando ele está no edital do seu concurso, e o Professor Yatta explica cada erro na hora.
Escolha o seu concurso e o Yatta monta a sessão com as questões que a sua banca já cobrou sobre Correlação e Regressão, com explicação de cada erro.
Começar 14 dias grátis Sem cartão de crédito. Cancele com dois cliques.